基于混沌粒子群优化的约束状态反馈预测控制算法

提出一种基于混沌粒子群优化的约束状态反馈预测控制算法,用于解决带有输入约束和状态约束的控制问题.将混沌粒子群优化引入到约束状态反馈预测控制的滚动优化过程中,增强了算法在约束范围内的局部搜索和全局搜索能力.通过对一个实际的带有约束的线性离散系统控制优化问题的解决,验证了基于混沌粒子群优化的状态反馈预测控制算法的可行性和有效性,与传统的二次规划算法的比较结果说明了此算法的优越性,证明了状态反馈预测控制系统良好的鲁棒性.     

从中文Web网页中获取实体简称的研究

简称是自然语言词汇的重要组成部分,其获取是自然语言处理中的一个基本而又关键的问题。提出了一种根据汉语全称从Web中获取对应汉语简称的方法。该方法包括获取和验证两个步骤。获取步骤通过选择查询模式从Web上获得候选简称集合。为了验证候选简称,定义了全简称关系约束,分别定性和定量地表示全称和对应简称之间的约束,构建了全简称关系图来表示所有全称和简称之间的联系,在验证过程中,先分别用约束公理和关系图对候选简称进行过滤,再用约束函数对候选简称分类,并以分类类别、语料标记和约束函数值作为属性构建决策树,利用决策树对候选简称进行验证。实验结果表明,获取方法的最终准确率为94.63%,召回率为84.09%,验证方法的准确率为94.81%。     

F-阶梯知识与F一阶梯挖掘一发现

利用单向导粗集((one direction singular rough sets)与它的动态特性,给出F-阶梯知识、F-阶梯度的概念。利 用这些概念,提出F-阶梯知识分辩定理、最小F-阶梯知识挖据发现定理、最大F-阶梯知识挖掘一发现定理、知识发现 依赖一筛选定理与F-阶梯知识内潜藏原理,给出F-阶梯知识挖掘一发现准则及应用。这些结果是单向导粗集的新特性 与单向导粗集的动态特性的新应用。     

一种改进的约束优化差分进化算法

提出一种改进的差分进化算法用于求解约束优化问题.该算法在处理约束时不引入惩罚因子,使约束处理问题简单化.利用佳点集方法初始化个体以维持种群的多样性.结合差分进化算法两种不同变异策略的特点,对可行个体与不可行个体分别采用DE/best/1变异策略和DE/rand/1策略,以提高算法的全局收敛性能和收敛速率.用几个标准的Benchmark问题进行了测试,实验结果表明该算法是一种求解约束优化问题的有效方法.     

一类带约束动态多目标优化问题的进化算法

动态多目标约束优化问题是一类NP-Hard问题,定义了动态环境下进化种群中个体的序值和个体的约束度,结合这两个定义给出了一种选择算子.在一种环境变化判断算子下给出了求解环境变量取值于正整数集Z+的一类带约束动态多目标优化问题的进化算法.通过几个典型的Benchmark函数对算法的性能进行了测试,其结果表明新算法能够较好地求出带约束动态多目标优化问题在不同环境下质量较好、分布较均匀的Pareto最优解集.     

基于层次分析法和信息熵的多准则指标选取

在新装备测试指标选取过程中,由于列装时间短,测试样本少,测试条件不足,通常选取工作无据可依。通过分析层次分析法、Dijkstra法、粗糙集法的优缺点,提出一种基于层次分析法、群组G1法和信息熵理论的指标多准则选取方法,将指标按几个基本准则两两比较获得原始数据,用群组G1法通过专家评判和信息熵法分析原始数据来确定评价准则的权值,最后对原始数据进行加权来对指标进行权重判断。文章结尾给出一个实际算例。方法依赖于两两比较数据,具有一定客观性,且无需进行样本测试,简化了指标选取工作。     

基于混合t聚类的鲁棒非刚体点匹配

针对非刚体形状控制点匹配中存在的对应性和有偏性问题,提出一个基于混合t聚类的鲁棒点匹配模型。该模型结合了混合t分布聚类和薄片样条匹配各自的优点,混合t聚类充分利用t分布的小样本和较大尾迹优势取得局部聚类的鲁棒性,并可方便地引入新的成员分布概率建模局外点,解决全局的鲁棒性;薄片样条能完全分解非刚体映射的仿射和非仿射变换。实验证明,利用确定性退火和EM(期望最大化)迭代技术,对模型中的鲁棒聚类和非刚体点匹配进行联合优化,可以有效解决非刚体点匹配的对应性和有偏性问题;通过在退火过程中应用一个模型选择准则,可以进一步提高匹配的精度,对比结果证实了该模型的鲁棒性。     

基于机器人足球系统仿真中的碰撞模型

基于机器人足球比赛中最为常见的碰撞问题，作者运用几何学方法提出了机器人之间以及机器人与小球、场地围墙之间的碰撞模型，为构建和开发足球机器人系统仿真平台与机器人的运动控制提供了模型基础。     

局部应力应变疲劳的能量方法

应用Neuber准则分析弹塑性材料缺口件时局部应力应变估计过高，因此预测初始寿命常给出过于保守的结论.由于当量应变能密度（Equivalent strain energy density, ESED）准则在Neuber准则的塑性变形项上增加了系数，局部应力应变估计结果更为准确.基于能量方法讨论了循环加载下材料的塑性应变能密度，发现ESED准则相比Neuber准则多考虑了塑性应变能密度，这是ESED准则局部应变场估计值远低于Neuber准则的估计值的能量理论基础.疲劳试验的结果验证了以上结论.     

机会可控的补偿随机规划模型

分析了已有的随机规划处理方法，针对原有方法中存在的不能兼顾补偿和约束机会控制的问题，提出了机会可控的补偿随机规划模型，在补偿随机规划模型的基础上，对允许违背的约束或者相应的补偿增加机会控制.以明确的反应决策者的态度，分析了模型的结构，设计了以遗传算法和单纯形法为基础的分解算法对模型进行求解.实际算例证明了模型和分解算法的有效性.